Por esta razón grandes empresas de IA están integrando ingenieros en su relación con clientes

La promesa de la IA de vanguardia siempre ha sonado como un servicio básico: inteligencia abundante, disponible bajo demanda, tan fácil de acceder como la electricidad, el agua o la computación en la nube. La metáfora es poderosa, y con razón. Los servicios básicos escalan porque abstraen la complejidad. No necesitas ingenieros de la compañía eléctrica en tu oficina cada vez que enciendes las luces. Sin embargo, las empresas de IA más sofisticadas del mundo están haciendo cada vez más algo muy diferente: están enviando personas. 

OpenAI anunció recientemente OpenAI Deployment Company, diseñada específicamente para integrar ingenieros de implementación directa en organizaciones que trabajan en problemas complejos en entornos exigentes. Según OpenAI, estos profesionales colaborarán con líderes empresariales, operadores y equipos de primera línea para identificar dónde la inteligencia artificial puede tener el mayor impacto, rediseñar flujos de trabajo y convertir esos avances en sistemas duraderos. Anthropic está contratando ingenieros de implementación directa para su equipo de IA aplicada, personas que se integran directamente con clientes estratégicos para impulsar la adopción empresarial y lanzar aplicaciones reales. Y Google hace exactamente lo mismo. ¿Es una coincidencia? 

Eso es revelador. Porque si la inteligencia artificial ya fuera un servicio esencial, esto no sería necesario. No haría falta enviar ingenieros a cada cliente para que funcionara. 

La paradoja de la IA como utilidad 

Esta es la paradoja que subyace al modelo actual de IA empresarial: la industria habla el lenguaje de la escala, la abundancia y las plataformas, pero su modelo de prestación de servicios se asemeja cada vez más a la consultoría de alto nivel. 

Eso no significa que el trabajo sea irrelevante. Todo lo contrario. Los ingenieros de implementación avanzada suelen resolver el problema real: sacar los modelos de vanguardia del entorno de demostración y hacerlos funcionar dentro de organizaciones complejas, reguladas y fragmentadas. Se ocupan de permisos, sistemas heredados, cumplimiento normativo, calidad de datos, flujos de trabajo, restricciones operativas y todo aquello que diferencia a las empresas de los modelos de referencia. 

La necesidad de estas personas no es simplemente una innovación comercial. Es un síntoma. Nos indica que el producto, tal como está presentado actualmente, aún no es suficiente. 

En los artículos anteriores de esta serie, sostuve que los grandes modelos de lenguaje nunca se diseñaron para gestionar una empresa, que la IA empresarial debe evolucionar de herramientas a sistemas, y que los sistemas que finalmente funcionen no se parecerán a chatbots ni copilotos, sino a inteligencia integrada en la propia organización. El fenómeno del ingeniero de despliegue avanzado confirma este argumento desde la perspectiva del proveedor. Si el laboratorio de inteligencia artificial tiene que enviar ingenieros para reconstruir el contexto, rediseñar los flujos de trabajo y lograr que el sistema opere bajo restricciones reales, entonces la capa que falta no es una idea preconcebida. Está ahí, y se está implementando manualmente. 

El patrón de pre-plataforma 

Toda gran industria tecnológica pasa por una fase artesanal antes de convertirse en industrial. 

Antes de que el software empresarial se comercializara en paquetes, la implementación era personalizada. Previo a que las plataformas en la nube maduraran, las empresas necesitaban ejércitos de especialistas para configurar la infraestructura. Antes de que la web se estabilizara en torno a navegadores, estándares, proveedores de alojamiento, sistemas de gestión de contenido, análisis y convenciones de diseño, la creación de un sitio web requería mucho más trabajo personalizado que el que requeriría posteriormente. 

La ingeniería de despliegue directo se inscribe en ese mismo patrón histórico. Palantir popularizó este modelo hace años. Su propia descripción del rol de ingeniero de software de despliegue directo se basa en ingenieros que trabajan directamente en los entornos de los clientes para que el programa funcione en la realidad operativa. 

Ese modelo tenía sentido para Palantir porque sus clientes a menudo operaban en entornos extremadamente complejos, de alto riesgo y muy específicos. Pero cuando OpenAI y Anthropic empiezan a converger en patrones similares, la señal es diferente: la industria de la inteligencia artificial de vanguardia está descubriendo que los modelos por sí solos no son suficientes para superar la brecha empresarial. 

SAP no envía a sus empleados a todos los clientes

Aquí es donde la comparación con software empresarial consolidado resulta útil. 

SAP no escala enviando empleados suyos a cada cliente. Cuenta con un amplio ecosistema de socios. Salesforce no implementa las soluciones de cada cliente por sí mismo. Tiene AppExchange, que ahora está evolucionando hacia AgentExchange, y un gran ecosistema de socios, proveedores de software independientes e integradores de sistemas. La empresa de la plataforma crea la infraestructura, y el ecosistema industrializa la entrega. 

Esa distinción es importante. Cuando el propio proveedor tiene que aportar la escasa experiencia humana necesaria para que el producto funcione, la categoría aún está en fase inmadura. Cuando los socios, los integradores, las plantillas, los estándares y las arquitecturas repetibles toman el relevo, la categoría comienza a crecer. 

Por eso, la actual ola de FDE debe interpretarse con cautela. No demuestra que la IA de vanguardia se haya convertido en una plataforma, sino que aún no lo es. 

Una plataforma auténtica reduce la necesidad de intervenciones personalizadas. Un producto previo a la plataforma depende de ella. 

La trampa del modelo de negocio 

Existe otro problema, más sutil: una vez que la ingeniería de despliegue avanzado se convierte en una fuente de ingresos, prestigio, fidelización de clientes y proximidad estratégica, al proveedor le resulta más difícil eliminarla. Las mismas personas que solucionan las deficiencias del producto pueden llegar a formar parte del modelo de negocio que depende de dichas deficiencias. 

Este es un ejemplo clásico del dilema del innovador. Clayton Christensen argumentaba que las empresas exitosas a menudo tienen dificultades no porque no logren vislumbrar el futuro, sino porque sus modelos de negocio actuales lo hacen poco atractivo o perjudicial. En este caso, el dilema es sencillo: si una empresa de IA de vanguardia desarrolla la capa que permite implementaciones repetibles, modulares y escalables mediante socios, podría socavar el modelo personalizado y de atención al cliente que actualmente la acerca a sus clientes más importantes. 

Por eso, la plataforma real puede que no provenga de las empresas que entrenan los modelos sino de otra.

La capa que falta no es otro modelo

La tentación, como siempre, es suponer que la respuesta es un modelo mejor. Un modelo más grande, con mayor capacidad de agencia. Un modelo con un contexto más amplio, más herramientas, más memoria, más registros de razonamiento y mayor autonomía. 

Pero el modelo FDE sugiere algo más. Si se envían ingenieros a las instalaciones de los clientes para mapear flujos de trabajo, comprender las limitaciones, conectar sistemas, estructurar el contexto, gestionar el acceso y convertir los resultados de la inteligencia artificial en resultados operativos, entonces la pieza que falta no es simplemente inteligencia, sino arquitectura. 

Más concretamente, es la capa que transforma la realidad de la empresa en algo dentro de lo cual los sistemas de IA pueden operar: 

• Contexto persistente 
• Estructura del proceso 
• Modelos de permisos 
• Gestión de restricciones 
• Bucles de retroalimentación 
• Estado del flujo de trabajo 
• Semántica empresarial 
• Seguimiento de resultados 

Actualmente, esa capa suele ser reconstruida manualmente por ingenieros expertos en cada implementación. Mañana, tendrá que convertirse en infraestructura. 

Por qué esto es realmente BPR con agentes 

Esto también se relaciona directamente con el resurgimiento de la reingeniería de procesos de negocio. 

En 1990, el famoso artículo de Michael Hammer en la Harvard Business Review, “Reingeniería del trabajo: no automatices, elimina“, argumentaba que las empresas no debían usar la tecnología simplemente para acelerar procesos obsoletos, sino que debían rediseñarlos. La idea era acertada, pero en muchos casos la tecnología de la época aún no era capaz de respaldar esa ambición. 

La IA cambia esta situación, pero también hace que el problema sea más complejo. Si las empresas simplemente integran dicha tecnología en los flujos de trabajo existentes, obtienen versiones más rápidas de procesos obsoletos. Si los proveedores se limitan a enviar ingenieros para personalizar cada implementación, obtienen una transformación artesanal que no es escalable. 

El verdadero avance se produce cuando el rediseño en sí mismo se sistematiza: cuando los procesos de negocio no solo se automatizan, sino que se representan, se gobiernan, se adaptan y se optimizan continuamente. 

Es en ese punto cuando la inteligencia artificial empresarial deja de ser un servicio de consultoría y comienza a convertirse en una plataforma. 

La FDE es la pista 

Por eso, el Ingeniero de Despliegue Avanzado (FDE, por sus siglas en inglés) resulta tan interesante. El FDE no es el futuro de la IA empresarial, sino la señal de que el futuro aún no ha llegado por completo. 

Este rol existe porque los sistemas actuales aún requieren que los humanos salven la brecha entre la capacidad general de la IA y la realidad organizacional específica. Alguien tiene que traducir la empresa a la máquina. Alguien tiene que interpretar las limitaciones. Alguien tiene que determinar qué flujos de trabajo son importantes. Alguien tiene que conectar datos, procesos, acciones y resultados. 

Pero la historia sugiere que, una vez que aparece una capa repetible, el artesano pierde protagonismo. Los consultores web no desaparecieron tras la madurez de la web. Sin embargo, para la mayoría de las organizaciones, el encargo de “crear un sitio web” dejó de ser un misterioso problema de ingeniería a medida. Los consultores de ERP no desaparecieron tras la madurez de SAP. Pero el ecosistema se estandarizó lo suficiente como para que el proveedor no necesitara implementar personalmente el producto en todas partes. Los arquitectos de la nube no desaparecieron tras la consolidación de AWS como plataforma. Pero la infraestructura se volvió programable, repetible y escalable. 

Lo mismo ocurrirá aquí: los ingenieros desplegados en primera línea no desaparecerán. Pero si la IA empresarial se convierte en una categoría de plataforma real, pasarán a ser un elemento excepcional en lugar de fundamental. 

La verdadera prueba de una plataforma 

La prueba es sencilla: ¿puede el sistema funcionar sin necesidad de enviar personal al laboratorio? ¿Puede comprender la empresa sin un análisis personalizado cada vez? ¿Puede operar bajo restricciones sin reconstrucción manual? ¿Puede adaptarse a los flujos de trabajo sin un equipo de ingenieros en las instalaciones del cliente? ¿Pueden los socios desarrollar sobre él?

Hasta que la respuesta sea afirmativa, debemos ser honestos sobre lo que se vende. No es inteligencia artificial al alcance de la mano. Es tecnología al alcance de la mano, con fontaneros incluidos. 

Y eso está bien, por ahora. Cada categoría tiene su fase artesanal. El error consiste en confundir esa fase con el destino final. 

¿Qué sigue? 

La siguiente etapa de la IA empresarial no se definirá por quién tenga el modelo más impresionante o el equipo de implementación más grande. Se definirá por quién construya la capa que haga que esos equipos de implementación sean menos necesarios. 

Esa capa no solo responderá preguntas, sino que representará a la empresa. Codificará procesos, restricciones, permisos, memoria y resultados de forma que los sistemas de IA puedan utilizarlos eficazmente. Permitirá que los modelos operen dentro del negocio, en lugar de mantenerse al margen. Transformará la implementación a medida en una arquitectura repetible. 

Cuando eso ocurra, el auge actual del FDE parecerá obvio en retrospectiva: no como la forma final de la IA empresarial, sino como el puente entre las demostraciones y las plataformas. 

Y cuando aparezca la plataforma definitiva, el sector cambiará muy rápidamente. Porque las empresas de servicios públicos no crecen enviando ingenieros a cada punto de consumo. Crecen cuando la infraestructura ya está instalada.